抱團取暖的日本AI半吊子們

本篇為《為什么日本出不來DeepSeek》的下篇。在此筆者將介紹兩家在日本雖在頭部，卻又十分另類的AI公司，以及日本AI產業背后的推動者們。

想要勾勒出日本AI行業的面貌著實不太容易。AI公司又少又慢又沒聲音，技術看上去也是半吊子。跟很多曾經馳騁國際今天卻逐漸去國際化的日企一樣，它們的生意，從研發到銷售服務，從上游到下游，從頭到尾似乎不需要日本以外企業的參與。

筆者斗膽，稱它們的存在為“孤島閉環鏈”。

如何判斷一家公司的產品或服務是否屬于“前沿AI創新”而非傳統的IT信息化？

人們通常是從這四個維度來判斷：

從這四個層面依次審視，日本AI創業一哥Preferred Networks都是真AI，而非IT信息化。

它曾經信誓旦旦要國際化，卻終究走回了在日本島內發展的“孤島閉環鏈”，令人唏噓。在它之后，對出海有所計劃的日本高科技企業恐怕也會抖三抖，掂量掂量在海外形成商業閉環到底行不行。畢竟，老大哥Preferred Networks被打回老巢了。

Preferred Networks成立于2014年，橫空出世便是開發了深度學習框架Chainer，讓日本業界寄予厚望。

它的產品通用性很強。工業自動化、醫療和材料科學、自主移動機器人、教育產品各領域的產品方案都有。

B2B解決方案Matlantis（用于新材料探索的原子級模擬器）100＋國內外客戶；
Visual Inspection（工業產品和食品的外觀檢測軟件）200＋國內外客戶；
一系列生成AI產品，AI面試評估、文本數據分析、文檔生成、自動化工作流程、資料自動審核……
自主移動機器人Kachaka，應用于物流、倉儲；
AI生成音樂、圖像、視頻；
AI驅動的教育工具，智能教學平臺、自動化作業生成系統，個性化學習計劃推薦系統

可以說是各個產業開花。它目前擁有全球范圍內435項專利，其中287項仍有效，涵蓋213個獨立的專利族，算是日本為數不多的強技術公司。

大語言模型呢？也有。它研發了日本第一個大語言模型PLaMo（國産大規模言語モデル），專注于日語和日本文化，并且逐漸針對法律、金融、醫療等行業進行了優化，而且還為金融業客戶提供了專門的“LLM活用支援服務”，養了一個專門服務客戶的金融專業團隊。

但是從PLaMo的推出，Preferred Networks的本土化傾向就初見端倪：對日語的特殊結構和語法理解再深也沒用，在國際化方面，這件事只能是減分項。

不僅是語言。PFN的創始團隊主要為日本工程師。中國工程師在GitHub和開源社區暢談人工智能、區塊鏈、機器學習，日本工程師在GitHub幾乎就很少露面。

而且日本有一種相對保守的文化，對公開分享代碼和技術相對謹慎，無論是自己的代碼，還是涉及到客戶的信息。幾個月前，日本有人把前東家信息帶到了新東家因此被逮捕，筆者所在公司都因此加強了警惕，頒布了很多辦公室保密要求。

融資方面，Preferred Networks不跟VC玩，只拿CVC（來自大企業的風險投資）。它成立10年完成了不到5輪融資，雖然融資金額高達百億日元級，但是沒有傳統意義上的A/B/C輪的融資節奏。主要投資方是日本國內的大企業（豐田、日產、NTT、JXTG能源、三井物產等）。對很多科技公司來說這并不稀奇，甚至可以說，越是有技術能力的企業，越是未來可能要仰仗大客戶的企業，越容易早早被本土大廠盯上。

只拿CVC，不ToC，不追求爆款，不賣API服務收費，融資節奏慢，不做英語大語言模型，國際化弱——Preferred Networks精準地踩中了“不發展成DeepSeek”的每一個點。

Preferred Networks的深度學習框架Chainer曾經對標于谷歌的TensorFlow和Facebook的PyTorch。2014‐2018年，它頻繁在一些頂級國際會議上投稿和刷臉。

但是在PyTorch逐漸成為深度學習領域的事實標準之后，2020年，咱們的主角Preferred Networks宣傳Chainer開發終止，轉向與PyTorch合作。這意味著，它曾經想依靠Chainer自立山頭，現在它放棄了自己的“山頭”，成了別人的小弟。

Preferred Networks的英文內容減少，2023年之后在國際會議上的發表頻率逐年降低。它逐漸轉為為豐田、日產、三菱等大客戶定制AI系統，為日本大廠定制聰明的腦瓜，而它所服務的很多大廠本身也在逐漸構建日本本土產業鏈，內向型發展。

但筆者不認為它會繼續封閉下去。

其一，2024年它又創辦了一個子公司Preferred Elements，老公司Preferred Networks偏向于產業應用和商業化，推動落地，新公司Preferred Elements更像是基礎技術平臺。一個賺錢養家，一個再創山頭。
其二，它的前研究員，行業知名的自由研究者齋藤真樹透露，他在Preferred Networks參與的許多研究內容并未公開，是因為成果優先用于產業應用，并通過專利保護，而非公開發表。說明技術底蘊并不薄。
其三，創始團隊的心態好像在變得更加開放。Preferred Networks主創團隊有一個堅持了13年的讀書會，今年的隆重推薦外國著作，還包括咱們的《三體》。

但是，Preferred Networks繼續被大企業綁架的可能性有嗎？也不是不可能。

2025年1月，Preferred Networks又和三菱商事成立了合資公司，它占股51％，共同研發的是它自主研發的省電AI處理器MN-Core系列的AI云計算服務。繞了半天，拋來橄欖枝的還是本土大廠，Preferred Networks也勇敢地雙向奔赴。

日本的頭部AI公司拉個單子出來，Preferred Networks確實遙遙領先。

日本AI頭部企業的技術能力，打?的為強項，○為中等，?為較弱

有人把“自主學習/生成能力”稱為真AI的分水嶺。那么我們挑一家唯獨不善于“自主學習/生成能力”的公司來聊聊。

PKSHA Technology，“東京大學松尾研究室”系，2012年創辦，2017年9月在東京證券交易所的Mothers市場IPO，2024年遷移到Prime市場。

Mothers是“Market of the High-growth and Emerging Stocks”的縮寫，意思是“成長型和新興股票市場”，類似于中國的創業板；Prime類似于我們的主板，是東京證券交易所的最高級別市場，對企業的市值、流動性、治理結構等方面有更高的要求。

PKSHA Technology的盈利能力了得。

PKSHA Technology財報數據（單位：億日元）

誰在為它買單？客戶涵蓋零售、汽車、保險、教育等多個行業，例如三菱UFJ銀行引入了PKSHA Chatbot，ANA集團引入了PKSHA Speech Insight。

不過，PKSHA還保留著國際化發展的野望，它與微軟，騰訊等公司在人工智能方面合作，與NVIDIA在GPU加速的深度學習合作，還通過孵化器Techstars投資了一些AI初創公司。

確實，它不擅長自主學習/生成能力，它的主要產品是“應用型AI”，不是“生成型AI”，它依賴傳統機器學習方法，而非大規模自監督學習，也很少看到它在頂級期刊發表跟生成模型、大型自主學習模型相關的突破性論文。它更像一家AI工程公司，而不是科研驅動型公司。

但是盈利能力強。

這就帶出一個現象：Preferred Networks是2014年創辦，PKSHA是2012年，美國的OpenAI是2015年底，中國的AI四小龍是2016年之后。為什么日本AI公司起得這么早（同時趕了個晚集）？

早期AI公司，比如PKSHA在最初幾年做的其實自然語言處理，算不得什么真正的AI。不過，日本早年間確實儲備了一批不錯的工程師，而且東京大學、京都大學、東京工業大學等學術界對機器學習很早就有關注。日本產業界（比如豐田、日產）早早就有了"自動化"需求，側面推動著AI相關的小項目。

另一邊，中國的情況是，2015年后AI資本熱潮啟動，政府政策傾斜，VC瘋狂推高估值，再加上移動互聯網紅利（比如手機人臉識別），很快有了大量實際應用場景。

所以在上一篇文章后，有讀者私信我，希望從文化的角度分析一下。確實啊，歸根結底日本人沒有開發一個通用大平臺的雄心，中國發生的很多事，是他們想都不敢想的。

最后，介紹一下日本AI行業的其他角色。

角色一：“國家隊”組織

NEDO，主導技術研發撥款，AI方向項目多從它走，但重項目、輕企業成長
內閣府/數字廳，推動“可信AI”、“邊緣AI”、“老齡社會的AI解決方案”等
経済産業省（METI），支持AI創業的政策方向主要集中在制造業、醫療、物流場景
IPA負責AI人才認證、AIC（人工智能中心）等

眾所周知，國家隊類似于創投行業的第三方公司，提供的無非是：錢，人，商業機會，信息交流，政策支持。

“人”非常重要，日本作為一個"人人考證"的迷之國度，在AI方面也推出了若干認證考試，甚至有如下

AIリテラシー検定（AI素養測驗）
AI初學者向け修了証（面向AI初學者的結業證書）

這些不一定能促進AI從業者的增加。但有一件事也許能行：

METI牽頭了與總部加拿大公司Tenstorrent的合作，在接下來５年之中從日本選拔最多200名硅芯片工程師，派遣至其位于美國的研發基地，參與偏核心研發工作，培訓計劃結束后回到日本的各自公司。

日美之間的合作，似乎是日本國家隊最容易安排的合作。

角色二：大學/國立研究機構

RIKEN（理化學研究所），有多位重量級AI研究者
大學的AI Lab，和企業合作多，但產出型項目少，人才流向產業較慢
東京大學松尾實驗室，通向產業的機構之一

杉山將和松尾豐是日本AI產業界的“雙核心”，兩位都是東京大學教授，前者是理論派，后者推動本AI產業落地；前者是日本在國際AI學術圈中發表數量最多、被引量最高的研究者之一；后者是產業連接器+政策顧問+創業導師。

角色三：大公司

大公司的AI團隊究竟發展如何？NEC、NTT、富士通、日立等都有AI部門，主要服務于政府、基礎設施、B2B業務，很少對C端曝光。

如果我們用前文的四個標準來看，那么情況如下

我們來總結一下。

日本的TOP幾家AI創業公司服務于日本大公司，日本大公司又服務于日本政府，形成了自給自足閉環
創業公司沒有VC支持，只有CVC支持，因此帶著股東的影子，長大后也難以走出大公司的手掌心
接著是大公司，大公司一板一眼，要求創業公司盡量提供定制型服務，因此澆滅了創業公司推出DeepSeek這樣的通用型產品的志向
大公司自己的AI團隊從創辦時，就帶著極強的項目制意味，它們明白，定制化是最適合客戶的，所以對真AI的激情又降低一分
日本政府客戶呢，它們對AI的需要更加強調“項目制”和“現有系統+AI標簽”整合，不需要模型原生，而且它們青睞大公司，小公司中標的可能性低
項目制傾向于穩定與效率，不追求探索性或創新性，有“日式”高品質客戶服務就好
這個幾乎不需要外國公司的參與的孤島產業鏈便如此形成。

講來講去，日本出不來DeepSeek似乎更加合理了。即使是Preferred Networks也無法研發出足以自立山頭的產品。這屆通用型AI機會，日本是一個都薅不上了。

我想起自己當年做記者時，同行寫過一篇封面《狗ｘ的Tencent》。在日本沒有BAT、TMD，但是有傳統大廠。有人想著防火防盜防大公司，有人卻覺得抱大腿越早越好，誰一定是錯的呢？

有點老錢，有點科技的底子，在沒有經歷較大的革新之前，恐怕大概率會繼續下去。尤其是在國民生活足夠方面的基礎上，越舒服越死板。

那種顛覆式創新的力量會出現嗎？會從哪里出現？

但是反過來思考，一次次顛覆創新的我們，才是不正常的那個。
創新，也許原本就不是世界的常態，而是奇跡。